摘要： 稻瘟病是水稻生产中危害比较大的病害之一，发生后往往会造成减产。无人机多光谱成像在大范围、快速监测方面比较有优势。本研究利用无人机连续获取的冠层多光谱数据，构建了稻瘟病分层诊断模型。初始叠加模型的准确率为 89.71%，精确率为 89.29%，F1 为 89.42%，召回率为 89.80%。在此基础上，本文进一步用随机森林对 12 个植被指数进行相关性排序，并筛选出更合适的指数特征组合。结果表明，NDRE、NDVI 和 RVI 在整个生长周期内对稻瘟病分层诊断的贡献更明显。采用该指数组合后，叠加模型准确率提升到 91.18%，精确率提升到 90.34%，F1 提升到 90.67%，召回率提升到 91.07%，对应提升幅度分别为 1.47%、1.05%、1.25% 和 1.27%。总体来看，本研究验证了分层诊断方案是可行的，也为后续的精准管理提供了数据依据，在一定程度上有助于减少不必要的投入并降低环境影响。

关键词: 无人机（UAV）；多光谱遥感；稻瘟病分级诊断；植被指数（VI）；机器学习

中图分类号: 

• S513